《Methods in Ecology and Evolution》:Link prediction in ecological meta-networks under extreme taxonomic bias
编辑推荐:
生态网络为群落功能提供了强大的见解,但若未能首先准确描述这些网络,研究人员检测和解释环境胁迫下变化的能力将受到限制。研究人员开发了协变量赋权链接预测(COIL)框架的扩展版本,以减少当交互数据来源于关注少数物种的研究时生态链接预测中的偏差。由于观察到的交互缺失
生态网络为群落功能提供了强大的见解,但若未能首先准确描述这些网络,研究人员检测和解释环境胁迫下变化的能力将受到限制。研究人员开发了协变量赋权链接预测(COIL)框架的扩展版本,以减少当交互数据来源于关注少数物种的研究时生态链接预测中的偏差。由于观察到的交互缺失仅当所涉及的物种实际共同发生时才有信息量,物种发生不确定性会强烈影响元网络数据集中非交互的解释方式。扩展模型(COIL+)采用潜因子结构,跨物种借用信息,整合物种特征和系统发育,并集成来自多项研究的观测数据,以在极端分类偏差(即研究仅关注少量物种)下解释物种发生不确定性。研究人员还引入了一种特征匹配程序,量化物种特征对交互概率的影响如何随伙伴物种而变化。研究人员利用一个包含268篇文献的非洲热带食果网络数据集演示了该模型的用法,并比较了有无发生不确定性校正的性能。COIL+通过提高样本外区分度显著改善了链接预测,并减少了采样偏差,揭示了5637个可能但未观察到的食果交互(每个食果动物中位数增加九个交互)。新预测的交互集中在采样不足的食果动物中,例如水鼷鹿(Hyemoschus aquaticus,一种小型森林有蹄类)和红腹盔鵙(Prionops rufiventris,一种东非热带森林的雀形目鸟类)。此外,在强分类偏差和狭窄研究焦点下,该方法比现有方法更好地区分真实交互与非交互。该框架适用于多种元网络情境,为处理有偏差的交互数据提供了有用的链接预测工具。
**论文解读:基于协变量赋权的元网络链接预测方法应对极端分类偏差**
**研究背景与问题**
生态网络(如食果、传粉、寄生网络)的结构与群落动态、生态系统功能及对环境变化的响应密切相关。然而,交互数据的收集极为困难:野外研究通常仅能捕获物种间实际发生交互的一小部分,导致网络严重欠采样。为解决这一问题,研究人员常将来自多个独立研究的交互数据整合为元网络(meta-network),以扩大物种覆盖范围并减少局部采样不足。然而,元网络本身存在显著偏差:研究通常具有特定地理焦点和分类焦点(即研究人员仅关注少数目标物种),导致极端分类偏差(extreme taxonomic bias)。在这种偏差下,非交互(即未观察到的交互)的信息量极低:因为物种可能并未共同出现,而非真正的交互缺失。现有链接预测方法(如Papadogeorgou等2023年提出的协变量赋权链接预测(COIL)框架)虽能利用物种特征、系统发育和研究焦点信息预测未观察到的交互,但其性能强烈依赖于存在广泛采样交互的研究,这在以单物种或窄分类研究为主的数据集中难以满足。因此,亟需一种方法,能够在极端分类偏差下,对物种共同发生的不确定性进行建模,从而更准确地推断元网络中的根本交互网络(fundamental interaction network)。
**研究目的**
本研究旨在扩展COIL框架,引入物种发生概率的不确定性,以应对极端分类偏差。研究人员提出COIL+模型,通过整合物种特征、系统发育、多源观测数据以及基于文献的空间邻近先验,在推断过程中同时估计物种发生概率和交互概率,从而减少偏差并提高链接预测的准确性。
**主要关键技术方法**
1. **扩展的COIL+模型**:在原始COIL框架基础上,将物种发生指标(co-occurrence indicators)和发生概率(occurrence probabilities)作为潜变量,通过贝叶斯方法进行联合估计。发生概率采用基于文献的空间邻近先验(literature-derived spatial proximity prior),即根据物种在邻近研究中被观测到的空间距离(同一研究、同一地点、同一国家、同一区域)赋予不同的先验均值(如1.0、0.75、0.5、0.25),并使用截断正态分布表示不确定性。
2. **潜因子结构**:为每个物种估计低维潜因子,通过高斯过程先验引入系统发育相关性,并利用物种观测特征(如体型、果长、木材密度)通过广义线性模型连接潜因子。交互倾向由潜因子的加权内积建模,权重通过乘法逆伽马收缩过程(multiplicative inverse gamma shrinkage)实现降维。
3. **特征匹配分析**:提出一种基于后验交互概率的符号相关性方法,量化不同物种特征对交互倾向的异质性影响(如不同植物科与动物科之间的特征-交互关联差异)。
4. **模型验证**:采用边级交叉验证(edge-level cross-validation),以伪精确度(pseudo-precision,即保留交互的平均后验概率与所有候选对平均后验概率之比)作为主要性能指标,避免因真实负例未知而导致的ROC-AUC不适用问题。
**研究结果**
**3.1 后验网络总结**
通过COIL+ Exp模型(专家定义先验并采样发生概率和发生指标),研究人员将直接观测的交互发生率(2.3%)提升至4.6%,预测出5637个概率大于75%的未记录交互。热图显示强系统发育信号(系统发育结构系数φ的95%可信区间为[0.87, 0.93]和[0.85, 0.91]),表明亲缘关系近的物种具有相似的交互倾向。
**3.2 模型验证**
COIL 0/100(朴素发生假设,即未观测物种视为不存在)的召回率最高(81%),但伪精确度仅1.85(接近随机排序),表明其过度泛化。COIL+ Exp的伪精确度为7.17,显著优于COIL Exp的6.55,说明在专家先验基础上进一步采样发生概率可更好区分真实交互与背景噪声。
**3.3 推断的发生概率**
COIL 0/100将所有未观测物种的发生概率设为0,导致非交互无信息,模型整体高估交互倾向。COIL Exp和COIL+ Exp的估计更合理:例如,同一地点但不同研究中的物种,后验发生概率约0.68–0.69(植物)和0.72–0.75(食果动物)。COIL+ Exp对“不同区域”的物种仍赋予8%的后验发生概率,避免了COIL Exp中因先验概率0%而完全忽略的情况。
**3.4 特征匹配与变量重要性**
变量重要性分析显示,食果动物对数体质量(log body mass)和植物木材密度(wood density)是关键特征。交互概率随食果动物体质量增大而升高,随植物木材密度增大而降低。符号特征匹配揭示了异质性:食果动物体质量与交互概率的正相关在Euphorbiaceae和Moraceae植物科中转为负相关;果长和果宽与鸟类食果动物的交互呈负相关,而与大型哺乳动物科(如Bovidae、Cercopithecidae)呈弱正相关。这些模式与已知的生态学规律一致,验证了模型恢复生物意义的能力。
**讨论与结论**
**讨论要点**
- 后验网络显示强系统发育保守性,且预测的额外交互集中在采样不足的物种上(如红腹盔鵙从2个观测交互增至31个预测),而广泛研究的物种(如黑猩猩)变化很小。采样努力与交互丰富度之间的相关性从观测网络的0.88降至后验网络的0.43,表明偏差得到有效缓解。
- COIL+ Exp优于COIL Exp,因其对“不同区域”物种仍赋予非零发生概率,避免了过度收缩。
- 特征匹配结果支持体质量、木材密度、果大小等特征在塑造交互结构中的作用,并揭示了跨分类群的异质性,表明全局单一模式不成立。
- 该方法可推广至其他二分生态网络(如植物-传粉、宿主-寄生虫),只需映射关键数据组件(观测交互、研究焦点、物种特征/系统发育、发生信息)。
**研究结论翻译**
研究人员扩展了协变量赋权链接预测(COIL)框架(Papadogeorgou et al., 2023),用于推断根本交互网络,通过纳入物种发生概率的不确定性并提出了一种基于文献的空间邻近先验生成方法。原始COIL模型将物种特征和系统发育与潜交互结构联系起来,即使网络被不完全观测也能估计交互概率。扩展模型额外考虑了物种是否存在于研究系统的不确定性,利用邻近研究的信息引导合理的发生模式,并允许模型根据观测交互数据更新这些估计。在COIL Exp和COIL+ Exp中使用所提出的文献来源发生概率,相较于朴素发生先验(COIL 0/100)带来了显著改进,其中COIL+ Exp模型性能最强。也就是说,当交互数据集以窄分类焦点研究为主时,所提出的COIL+ Exp模型改进了推断,减少了偏差,并防止了因忽略物种发生不确定性而产生的不可信的高密度预测网络。应用于一个包含957种植物和267种脊椎动物的新非洲热带食果交互数据库,该模型提示超过5000条先前未记录的链接,集中在研究不足的物种中。通过降低采样努力与估计交互丰富度之间的相关性,该方法缓解了关键偏差源,并实现了跨分类群的更均衡推断。研究人员还引入了一种基于后验网络的特征匹配方法,该方法容纳了特征-食果关联的异质性,并揭示了非洲热带食果数据中的新发现和已有模式。更广泛地说,协变量赋权链接预测框架为更丰富的生态网络模型打开了大门,而系统发育结构化的潜空间方法促进了样本外预测,包括对完全缺乏交互数据的物种的预测。虽然本文研究的模型针对根本网络,未来扩展可纳入交互倾向的时空变异性及物候信息。一个重要的实践问题是,在可靠推断根本交互网络成为可能之前,需要多少经验采样。本研究未量化最小采样要求,但贝叶斯框架通过交互概率的后验不确定性提供了自然诊断。未来工作可识别高后验不确定性区域,以引导针对性采样,或通过模拟或子采样实验研究推断精度如何依赖于元网络数据集中的采样强度。
**论文发表信息**
该论文发表在《Methods in Ecology and Evolution》。